本发明属于大数据存储技术领域，尤其是涉及一种可进行大量数据处理的存储结构，包括列数据库，所述大量数据来源多个系统，且数据可能是文件、可能是其他关系型数据库中的交易数据，所述列数据库需要多个维度建立数据统计模型，且存储的数据来自于历史的，...

本发明公开了实时召回技术领域的一种音频产品的实时召回方法，包括如下步骤：S1：实时触发推荐，S2：实时召回策略，S3：去重和过滤，S4：添加权重，S5：精排；本发明在音频类产品的独特的推荐场景下能实时对音频产品进行召回，覆盖率高、效果精...

本发明属于大数据存储技术领域，尤其是涉及一种热数据高性能存储架构，包括开源处理平台Kafka和Hbase开源数据库，所述热数据包括7天内的热点业务数据，且热数据的存储过程包括以下步骤：监听来自于开源的消息队列Kafka的实时日志数据；将...

本发明公开了冷数据存储和查询技术领域的一种冷数据全量存储和查询架构，包括HHD硬盘存储结构，分布式Hdfs文件系统和Hive数据仓库，HHD硬盘存储结构呈分布式均匀排列，分布式Hdfs文件系统为设计成适合运行在呈分布式排列的HHD硬盘存...

本发明公开了数据分类技术领域的种用户兴趣分类方法，使用UCB方法来计算用户的兴趣偏好，是在近实时的情况下进行计算，借助大数据工具Spark Streaming系统+Kafka系统+Hbase系统来搭建整个计算流程，本发明通过UCB算法来...

本发明属于温数据处理技术领域，尤其时涉及一种温数据大规模分析架构，包括数据采集模块，对数据的录入存储实现采集；数据分析模块，使用Spark来提供高效的大规模分析计算；数据索引分组模块，数据以一定的方式进行索引分组，例如按日期，再类型等，...

本发明公开了互联网数据分析技术领域的一种高效的用户兴趣类别预测方法，S1：用户数据收集，S2：收集数据整理，S3：整理数据对比，S4：对比数据统计，S5：统计数据推送；本发明通过对用户的数据进行收集以及分析后，根据用户的喜好，进行与其喜...

本发明公开了数据存储技术领域的一种低成本数据存储方法，S1：存储硬件的选择，S2：数据的存储，S3：数据的备份，S4：数据的查询，本发明使用基于Hdfs的Hive来保存所有数据，使用Hive能够允许通过api和交互式客户端进行查询历史数...

本发明属于温数据存储领域，尤其时涉及一种温数据存储方法，包括：每日通过服务器以及相关平台录入数据；根据录入数据时的日期对数据赋值n；对当日日期进行赋值，设置成m，通过算法算出(m‑n)的值，即为数据关联的关键词，将关键词关联数据；设置阈...

本发明属于大数据存储技术领域，尤其是涉及一种大数据多层次存储架构，包括三个层次，三个所述层次分别为层级一、层级二和层级三；所述层级一包括以下步骤：只保存热点数据；使用Hbase来提供低延迟的随机读写；使用SSD硬盘来作为硬件提供良好性能...

本发明公开了召回策略技术领域的一种音频类产品的实时多召回策略的融合方法，包括如下步骤：S1：实时触发推荐，S2：确定召回策略，S3：多策略融合；本发明在音频类产品的独特的推荐场景下，开发多个高效的召回策略进行融合，然后得到覆盖率高，多样...

本发明属于系统排序技术领域，尤其是涉及一种个性化推荐系统排序结果的改进方法，包括以下步骤：首先是进行数据埋点，用户登录APP或者网站后，一般在首页或者登录跳转后，出现可以让用户选择感兴趣的商品类别弹窗等形式，用户可以单选或者多选感兴趣的...

本发明属于系统排序技术领域，尤其是涉及一种系统排序结果的优化方法，包括以下步骤：先进行数据埋点，在产品、服务转化关键点植入统计代码，据其独立ID确保数据采集不重复；采集埋点数据，并对埋点数据进行分类和分类存储，以商品类别列表以json的...

本发明公开了一种离线与实时相结合的音频专辑推荐系统召回方法及系统，方法包括判断用户操作是否满足推荐触发条件：当用户操作不满足推荐触发条件时，基于用户操作召回预设的音频专辑；当用户操作满足推荐触发条件时，基于用户操作和用户的离线历史行为数...

本发明属于大数据存储技术领域，尤其是涉及一种新型大数据存储方法，包括以下步骤：选用优秀的数据库工具；编写优良的程序代码；对海量数据进行分区操作；建立广泛的索引，建立缓存机制；加大虚拟内存，分批处理；使用数据仓库和多维数据库存储；使用采样...

本发明公开了权重更新技术领域的一种排序权重更新方法，S01：设计排序算法；S02：定期训练样本获得最新的权重值并保存；S03：使用最新权重计算出待排序物品分值；S04：按分值对排序结果倒序进行组装展示。本发明解决了排序特征权重的自动计算...

本发明公开了一种综合排序考察指标的确定方法，涉及综合排序技术领域。本发明包括以下步骤：步骤一、提取搜索物品关键字，步骤二、根据关键字从考察指标数据库中匹配考察指标n作为核心排序依据，步骤三、按照考察指标n对所有物品进行初次排序，步骤四、...

本发明公开了一种基于用户行为序列和数据融合的推荐系统召回方法及系统，所述方法包括获取网络音乐平台上用户的不同行为类型的音频专辑序列数据；对音频专辑序列数据进行数据预处理；分别将进行数据预处理后得到的不同行为类型的音频专辑序列数据对Wor...

本发明公开了一种融合多策略召回数据集的音频专辑推荐方法及系统，方法包括判断用户操作是否满足推荐触发条件：若不满足，则基于用户操作给用户推荐预设的音频专辑；若满足，则基于用户操作和用户的离线历史行为数据生成离线召回数据集；基于用户操作和用...

本发明公开了一种推荐系统召回策略的离线评估方法、系统、装置及存储介质，所述方法包括将推荐系统中的离线点击率预估模型封装成JAR文件包；获取M天的离线用户数据，其中M为正整数；根据离线用户数据，基于N组离线召回策略模型计算得到N组离线召回...